Desarrollo. antecedentes teóricos

En México el tema no es nuevo, tratándose de regiones en donde las diferencias geográficas económicas y sociales son heterogéneas pero el impacto en el patrón de desarrollo desigual ha propiciado una concentración de la actividad económica y del empleo en las regiones con mayores recursos humanos, infraestructura y sobre todo con la cercanía a los principales mercados, generando una concentración de la riqueza, frente a niveles de atraso y pobreza típicas de las regiones menos desarrolladas del país, el modelo actual es resultado de la apertura comercial teniendo como principal socio comercial a EE.UU., mostrando que no hay encadenamientos hacia otras regiones, generando así un reacomodo de las actividades en tres regiones:

El proceso de internacionalización económica es el resultado de una tendencia hacia una mayor integración entre países, curiosamente a través de una fragmentación geográfica de las etapas del proceso productivo llevado a cabo por las empresas y que se basa en gran medida en la expansión de las empresas multinacionales. Este no es un fenómeno que se refiera necesariamente a empresas grandes ya que existen empresas pequeñas que pueden estar altamente transnacionalizadas debido a su alta relación con el capital externo.

Para algunos autores² los factores explicativos de la internacionalización se encuentran en las condiciones del mercado y en la tecnología. El mercado obliga a las multinacionales a responder a necesidades estratégicas de crecimiento y expansión, relacionadas con su proceso técnico. Una de las estrategias para enfrentar estas necesidades es la reestructuración internacional de la producción que se basa en transferir al exterior los procesos productivos en los que los países industrializados han perdido ventajas comparativas internacionales. Stephen Hymer y Christian Palloix³ hablan de reestructuraciones orgánicas, tanto en sentido vertical como horizontal, llevadas a cabo por las empresas multinacionales.

La internacionalización produce una dinámica de crecimiento industrial que se expresa técnicamente como un difusor tecnológico en las regiones donde se ubica. En este sentido, puede creerse que esta dinámica se constituya en una base para el desarrollo industrial regional. En otras palabras, “el proceso de internacionalización del capital ha permitido establecer nuevas pautas de desarrollo, mediante la instrumentación consciente de mecanismos administrativos que permiten que la estructura de la empresa esté articulada y pueda esta ramificarse, sin perder el control, lo que abre nuevas posibilidades para racionalizar la producción a escala mundial, permitiendo a la vez que se incorporen espacios y recursos, así como los más sofisticados avances de la revolución científico técnica”⁴.

Como ya se mencionó, en el contexto de la economía mundial la internacionalización es resultado de una tendencia hacia la producción compartida que se logra mediante esquemas de complementariedad en la producción industrial. Estos esquemas van desde coinversiones entre empresas de países distintos hasta la subcontratación de procesos productivos. Es una división de la producción entre dos o más localidades que genera constantes flujos comerciales entre países. Es así como se propicia el aprovechamiento de ventajas en cada país con el objetivo principal de reducir costos de producción. Tal dispersión de las etapas de los procesos productivos se orienta cada vez más a la producción para el mercado mundial y no únicamente a los mercados locales.

Un elemento explicativo adicional, o más bien paralelo a la internacionalización, es lo que se ha llamado la Nueva División Internacional del Trabajo (NDIT). La NDIT se basa en tres condiciones: 1) La existencia de una fuerza de trabajo abundante y barata en los países subdesarrollados; 2) Una fragmentación del proceso productivo, en la que una de las etapas puede ser realizada por una fuerza de trabajo con baja calificación; 3) El desarrollo de una tecnología avanzada de los medios de transporte y comunicaciones que posibilitan la producción de los bienes de manera completa o parcial en cualquier ubicación.

Se constituye toda una teoría alrededor de la NDIT la cual enuncia que las industrias en los países altamente desarrollados logran fragmentar los procesos productivos: automatizan sus procesos internos y desplazan los que son intensivos en mano de obra a países en desarrollo que son abundantes en ese factor y que, además, cuentan con bajos costos salariales.

La NDIT implica el predominio del comercio intrafirma a escala internacional por lo que el comercio internacional no es solamente el simple intercambio de mercancías, también radica en la utilización de una división internacional del trabajo. Se trata de un proceso creciente de fragmentación de los procesos productivos en el que se realizan producciones parciales con distintas características en diferentes lugares del mundo. Es así que la relocalización e internacionalización de los procesos productivos tiene como principal explicación la búsqueda de reducir los costos de producción para enfrentar la aguda competencia internacional y las condiciones de los mercados de trabajo locales en los países industrializados los cuales se caracterizaban por los altos costos de la mano de obra derivados del alto nivel de sindicalización de los salarios y de las prestaciones.

La producción de las empresas maquiladoras se orienta esencialmente a la exportación a un único mercado, el de Estados Unidos, y esta exportación responde básicamente a un comercio intrafirma. Debido a esto la producción de la maquila es sensible a los cambios cíclicos de la demanda externa. Hay que resaltar que México es uno de los principales socios comerciales de Estados Unidos en la subcontratación internacional. Un porcentaje importante de las importaciones mexicanas provenientes de este país son temporales y se regresan al mismo.

Impacto de las externalidades y de las economías de aglomeración

La ubicación y funcionamiento de una empresa o de un conjunto de empresas en una región específica provoca que estas empresas demanden algún tipo de insumo; esta demanda se deriva de la producción que llevarán a cabo dichas empresas. Entre estos insumos está la fuerza de trabajo. Es por ello por lo que una forma de analizar la demanda por el insumo trabajo dentro del fenómeno maquilador es mediante el examen de las particularidades de su localización.

Las teorías de localización tradicionales (algunos supuestos de la teoría de la Nueva División Internacional del Trabajo pueden enmarcarse en estas) consideran a las ventajas comparativas, referidas principalmente a la existencia de recursos naturales y a la diferencia en los costos de producción entre los que destacan los salarios, impuestos y electricidad, como los factores más importantes en la decisión de localización de las empresas. Los factores de localización mencionados siguen teniendo importancia, pero han surgido otros elementos de análisis que no consideran estas teorías y que también son importantes para explicar la localización y crecimiento de actividades económicas.

El proceso de localización industrial se puede entender mejor cuando se toman en consideración las economías externas (externalidades) y la aglomeración industrial. La lógica de los sistemas de producción puede generar aglomeraciones de actividades económicas y una especialización regional, independientemente de otros componentes. Estos dos fenómenos, aglomeración y especialización, están muy relacionados. El desarrollo de aglomeraciones de ciertas actividades económicas en una región puede explicarse por las tendencias en el grado de especialización en ese lugar. Dicho grado de especialización depende de factores específicos del territorio que estimulen la localización y el crecimiento de determinadas actividades económicas en esa región y no en otra.

El análisis de los determinantes de los procesos de localización y crecimiento de ciertas industrias también hace referencia al concepto de externalidades (estáticas y dinámicas) como principal elemento que explica dichos procesos. Por externalidades se entienden las actividades desempeñas por las empresas que afectan a otros agentes económicos, ya sea positiva o negativamente, sin que estos paguen por ello o sean compensados, respectivamente. Es decir, se generan economías o deseconomías externas. Existen externalidades cuando los costos o beneficios privados no son iguales a los costos o beneficios sociales.

Las externalidades también son conocidas como efectos difusión⁵. Hay dos tipos de externalidades⁶, se les llama dinámicas cuando contribuyen al crecimiento industrial mientras que cuando las externalidades contribuyen a la localización de las empresas, pero no generan necesariamente su crecimiento se les denomina externalidades estáticas de localización o economías de localización.

La IME surge en México en 1965 como parte de la política de fomento industrial implementado en el norte del país que formalmente se enmarco en el PIF. Por el lado mexicano, el surgimiento de la industria maquiladora responde principalmente a la necesidad de erradicar la creciente mano de obra excedente, resultado de la finalización del denominado Programa de Braceros, en la frontera con los Estados Unidos. Por su parte, este país buscaba abaratar costos, así como aprovechar las ventajas tarifarías y legales que el programa maquilador ofrecía. Para México, la instalación de maquilas se convirtió en una alternativa en la generación de empleo y de divisas.

En 1965 se instalaron las primeras de este tipo que dieron empleo a alrededor de 3000 trabajadores. En sus inicios, el dinamismo del sector se basó en el aprovechamiento de las coyunturas generadas a partir de la convergencia en los niveles de productividad de la industria norteamericana respecto a la japonesa y europea, lo cual aumentaba las presiones de la competitividad. El crecimiento de las maquiladoras de la frontera norte transformó económicamente a la zona y tuvo repercusiones sociales.

Modelo de demanda de empleo en el IME de Coahuila

Para realizar el análisis y su impacto en el Estado de Hidalgo se tomó como base el modelo aplicado al caso Coahuila, el cual tiene las siguientes hipótesis.

El diferencial salarial entre México y Estados Unidos no actúa como el factor decisivo en la explicación en la demanda de trabajo en las empresas maquiladoras; la diferencia entre el costo relativo de la mano de obra entre países desarrollados y no desarrollados ha perdido importancia y solo explica parcialmente este fenómeno. Se afirma que cuando dicho diferencial aumenta la demanda de trabajo también lo hace, es decir, existe una relación positiva entre empleo y el diferencial entre los costos de mano de obra ambos países.

Si aumenta el grado de especialización medida esta como la participación de la industria regional en el total de la maquiladora del área de referencia, la demanda por empleo en la IME crece. Por lo tanto, existe una relación directa entre la especialización regional y el empleo.

Las características que se destacan en este trabajo respecto al fenómeno maquilador es su capacidad para crear empleos. Aquí no se pretende realizar una investigación acerca del tipo de trabajo demandado por agrado de calificación o por sexo, ni de características sociológicas tales como las condiciones de trabajo. Más bien se planteará un modelo que intenta especificar el mecanismo por el cual se genera la demanda de empleo en este tipo de actividad y su aplicación al caso Hidalgo. El objetivo es evaluar empíricamente las hipótesis que relacionan la demanda de empleo en la IME total de estado y al interior de él, con los salarios, los factores vocacionales (especialización y concentración), el tipo de cambio y la dependencia de la maquila respecto a la actividad industrial de Estados Unidos. Para este propósito se plantea un modelo econométrico.

La formalización de las hipótesis que aquí se plantea se desarrolla en un modelo que ya ha sido planteado y al cual se hacen algunas modificaciones⁷. Se asume la existencia de una industria que se localiza en una región j en el tiempo t. En un periodo determinado el nivel de producción de la industria está determinado por una función de producción agregada de corto plazo:

Donde la industria a analizar es la industria maquiladora de exportación de forma agregada j, es la región de referencia y t es el periodo que va de t=1,…, n.

A sí mismo, Y representa el nivel de producción agregada de la IME en la región, la cual suponemos que exporta la totalidad de su producción. L_jt es el nivel de empleo regional y representa el único insumo de mandado regionalmente. Q_jt representa la producción de las empresas maquiladoras individuales:

Se asume que Qjt depende del nivel de concentración dentro de la región (Crjt), del nivel de especialización entendida como participación dentro de la industria local en el total de referencia (Esjt) así como de los ciclos de índice de producción de Estados Unidos (CEUjt). Las dos primeras expresan el papel de las externalidades dentro del proceso de localización mientras que esta última de evidencia de la dependencia de la maquila a condiciones de la economía internacional. (Se trata de una variable exógeno a la maquila).

El nivel de empleo demandado en un tiempo t es contratado del salario corriente, w. Se asume que la industria es perfectamente competitiva en el mercado de bienes en el sentido de que se vende cualquier cantidad a un precio único. El criterio que sigue la industria para determinar su demanda por trabajo es la maximización de sus beneficios en el corto plazo. Estos están definidos por la siguiente función:

La maximización de los beneficios por parte de la industria está definida por las condiciones de primer orden, esta se determina derivando parcialmente la función de beneficios con respecto al empleo.

Es decir, la industria debe igualar el valor del producto marginal del trabajo con el salario real. Teniendo en cuenta esto, la demanda del trabajo está en función del nivel de salarios real y existe una relación negativa entre ellas.

La demanda de trabajo depende directamente de los salarios de los precios y también se deriva del nivel de producción de la industria. Sin embargo, este depende de las externalidades estáticas (Cr_jt ,Es_jt) dentro de la región y del nivel de la actividad industrial de Estados Unidos (CEU_jt) por lo que si sustituimos (Q_jt) en la función de L_jt:

Así la demanda de trabajo está la función de los salarios y los precios, también del nivel de concentración, del grado de especialización y de la dependencia con Estados Unidos medida por los ciclos industriales de este país de tipo de cambio.

La ecuación (7) muestra que la demanda de trabajo puede evaluarse empíricamente con las variables explicativas consideradas en dicha función con algunas modificaciones. Entonces el modelo empírico lo planteamos como sigue:

En donde:

L^D _jt Cantidad de la demanda de trabajo en la IME en la región i en el periodo t.

dw_jt Diferencial de salió entre Estados Unidos y la región j en el tiempo t.

Cr_jt Nivel de concertación o de competencia en la IME en la región i en el periodo t.

Es_jt Nivel de especialización en la IME en la región i en el periodo t.

CEU_jt Ciclo de índice de producción industrial de Estados Unidos.

En este modelo de demanda de trabajo regional para la IME es que la variable a explicar es constante en los parámetros:

Si linealizamos este modelo el cual es constante en sus parámetros tenemos:

Definición de variables:

Es_jt=(VAM_jt/VAM_t)

Es_jt = Índice de especialización simple en la región j en el tiempo t.

VAM_jt=Valor agregado real total en las maquiladoras regionales.

VAM_t = Valor agregado real total en las maquiladoras de la región de referencias (estatal o nacional).

El valor agregado real tiene base 1994=100 deflactada con el índice Nacional de Precios al Productor. Es una especialización entendida como participación de la variable a nivel regional dentro del total de una región de referencia, si se calcula la variable del municipio la región de referencia es el estado, si se calcula la variable en el estado la región de referencia es el país.

Cr_jt = (NEM_jt / LM_jt) / (NEMt / LMt)

Cr_j = Índice de concertación en la región j en el tiempo t.

NEM_jt = Número de establecimientos maquiladores en la región.

LMj_t = Empleo en las maquiladoras en la región.

NEM_t = Número de establecimientos maquiladores en la región de referencia.

LM_t = Empleo en las maquiladoras en la región de referencia.

Un valor de Cr superior indica mayor competencia, es decir, una mayor concertación local en la industria maquiladora respecto a la media de la maquiladora nacional.

CEU=CIPIEU

CEU = ciclos del índice de producción industrial de los Estados Unidos.

El índice de producción industrial de los Estados Unidos originalmente se presenta con base 1992=100. Este índice se considera apropiado en el sentido en que generalmente se muestra coincidente con los ciclos de la actividad económica real de E.U. El CEU actúa como variable externa y se considera como el empleo que representa la dependencia con la actividad de los Estados Unidos. El procedimiento para obtener el comportamiento cíclico del IPIEU es similar al empleado por Amozurrutia y Aron Fuentes⁸ el siguiente:

En la ecuación (10) se expresa una relación determinística ya que la variable dependiente estaría completamente explicada por las variables independientes o dicho de otra manera se relacionan de una manera exacta, por ello la ecuación a estimar se reformula como sigue:

La ecuación (11) se convierte en una relación estocástica al añadirse un término de error aleatorio (U_t ), este presenta todos aquellos factores que tafectan L^D pero que no son considerados explícitamente dentro del modelo.

El tipo de relaciones que se pueden estudiar son de tres tipos dependiendo del número de ecuaciones dentro del modelo: las relaciones uniecuacionales, relaciones multiecuacionales y de ecuaciones simultáneas. Y puede ser un análisis de regresión simple o anales de regresión múltiple si la variable explicativa es única o existe más de una explicativa, respectivamente.

El modelo expresado en la ecuación (11) representa una relación uniecuacional de tipo múltiple.

El método comúnmente usado para realizar el análisis de regresión es el de mínimos cuadrados ordinarios (MCO) y es adecuado cuando la variable dependiente es función exclusivamente de variable independiente. Su atractivo radica en que, bajo determinados supuestos, de este método resultan estimadores de los parámetros en el modelo que tienen ciertas propiedades estadísticas. Estas son: linealidad, es decir, son una función lineal de la variable aleatoria; insesgamiento, su valor promedio es igual al valor verdadero; y tiene una varianza mínima. Es por ello por lo que se les llama los mejores estimadores linealmente insesgados (MELI).

Con base en el análisis de regresión aplicado a la ecuación (11) se probarán las siguientes pruebas estadísticas.

La prueba de significancia estadística para los coeficientes de regresión se toma como referencia la prueba t-student. Un valor de t mayor a 1.96 se toma como significativo con n=96, con un nivel de confianza de 95%=(1-α) con 91 grados de libertad.

La prueba F, con la cual se prueba si en su conjunto las variables explicativas explican a la variable dependiente. Se aprueba esta hipótesis si la F estadística tiene un valor mayor a 4.

Coeficiente de determinación de las variables (R2) el cual indica que % de la variación en LD se explica por la variación de las variables independientes entre mayor es el valor de R2 implica una mejor especificación del modelo de series de tiempo. Aquí se considera que un valor mayor a 80% es aceptable.

La prueba Jarque-Bera de normalidad en la cual la probabilidad debe ser mayor a 0.05 para indicar que los residuales de la regresión presentan una distribución normal.

La prueba de multicolinelidad que implica una relación lineal perfecta entre algunas variables explicativas. Esta se detecta por medio de un R² alto y pruebas t-student no significativas.

La prueba de heteroscedasticidad de White. Una probabilidad mayor a 0.05 en esta prueba indica homoscedasticidad, esta es una de las propiedades que deben cumplir los residuales y que indican una varianza homogénea.

La prueba Durbin-watson, por medio de la cual se prueba la correlación serial de los errores en el tiempo (autocorrelación). Debe cumplirse que no se presente autocorrelación de los residuales para tener un modelo bien especificado.

En el siguiente capítulo se hace la estimación del modelo y la evaluación de los resultados de acuerdo con las pruebas que aquí se plantean.

Como se especifica en el capítulo anterior, el modelo empírico de demanda regional de empleo en la IME debe ser sometido a contratación empírica y así poder evaluar cada una de las hipótesis planteadas. Se trata de un análisis de regresión múltiple de una relación uniecuacional estocástica que se formula como sigue:

Ln Ljt ^D=βo+β1Ln (dwjt)+β2 Ln (Crjt) + β3Ln (Esjt)+ β4 Ln (CEUjt)+ Ujt

En donde las variables se expresan en términos logarítmicos y los signos propuestos de los parámetros a priori son los siguientes:

La evaluación se hace para la IME de Coahuila a nivel agregado con series temporales de las variables propuestas en el modelo empírico, la frecuencia de los datos es mensual, sin diferenciar por rama de actividad.

Asimismo, se realiza la estimación para datos de panel en los que se consideran series anuales de las mismas variables para cada uno de los municipios maquiladores del estado. En ambos casos, el periodo a estudiar es de 1992 a 1998⁹.

La diferenciación en el análisis indica que, así como el estado compite con otros estados de la república, las diferentes localidades del estado compiten entre sí por ser receptoras de esta actividad la cual buscará la localización más conveniente. Asimismo, los cambios en la distribución de la IME al interior del territorio estatal pueden afectar de manera desigual a cada municipio, independientemente de la existencia de variables de carácter externo que pueden también incidir en el desarrollo y evolución de la industria.

En primer lugar, se aplica el análisis de regresión a las series temporales a nivel estatal. La ecuación estimada para esta base de datos es:

Ln L^D=-9.4641+2.5856 Ln(dw) -1.4265 Ln(Cr) -0.0048 Ln(Es) + 2.7404 Ln(CEU)

De este modelo de demanda de empleo estimado a partir de la ecuación (11) se realizan las pruebas estadísticas para dar validez empírica al mismo. Se evalúan los supuestos de correcta especificación del modelo mediante la realización de una serie de pruebas de diagnóstico con las cuales se debe verificar que la especificación del modelo es la correcta de acuerdo con la información proporcionada por los datos y por la teoría económica. En la Tabla 1 se muestra el resumen de resultados.

En este caso, el modelo planteado no está correctamente especificado porque no cumple con los supuestos de o autocorrelación, no multicolinealidad y homocedasticidad conjuntamente. El valor de Durbin Watson es de 0.3441 lo que parece indicar autocorrelación positiva. El valor de R² es alto (95% aproximadamente) todas las variables independientes son estadísticamente significativas, excepto Es que no es que la de t-student es -0.5635. El valor de la probabilidad en la prueba de White es menor a 0.05 lo que indica la presencia de heteroscedasticidad.

Debido a estos resultados, no se pueden extraer interpretaciones válidas acerca del comportamiento de las variables dentro del modelo. Es necesario preespecificar el mismo para corregir los problemas que presentan. El hecho de que estas pruebas resulten en una especificación incorrecta del modelo se interpreta como la consecuencia de que el proceso real por el que se generaron los datos observados no está adecuadamente representado por el modelo propuesto, por lo cual habrá que preespecificarlo y llevar a cabo nuevamente las de correcta especificación.

Este procedimiento asegura que se obtenga un modelo estadísticamente correcto con el que se analice de manera más confiable el fenómeno que se está estudiando.

El modelo planteado a priori es modificado para lograr una correcta especificación de este y extraer conclusiones confiables acerca del comportamiento de la variable dependiente (demanda de empleo en la IME) y del efecto que producen las variables explicativas. Se debe corregir el problema de autocorrelación, de varianza heteroscedástica y de significancia de variables. Además, se realiza la prueba de Granger para verificar si existe causalidad entre las variables independientes y la variable dependiente.

En presencia de autocorrelación los estimadores de MCO son lineales, insesgados y consistentes, pero dejan de ser eficientes ya que no son los de varianza mínima. La implicación de ignorar este problema, aun si se conservan los demás supuestos, es la posibilidad de que se declare un coeficiente estadísticamente no significativo, aunque en realidad si lo sea, es probable que se sobreestime R², las pruebas de significancia t de student y F dejan de ser válidas y si se aplican pueden conducir a conclusiones erróneas. La autocorrelación puede remediarse introduciendo al modelo procesos autorregresivos AR (variable dependiente rezagada), mediante la estimación de las variables en primeras diferencias (diferencia entre el valor actual de las variables y el valor anterior), o a través de procesos de promedios móviles MA (promedio de las variables independientes).

La heteroscedasticidad no destruye las propiedades de anegamiento, consistencia y linealidad, pero sí la eficiencia de los estimadores.

Las implicaciones de la presencia de heteroscedasticidad son las mismas que presencia de autocorrelación. Esto hace necesario introducir medidas remediales. Es posible eliminar este problema mediante la transformación logarítmica de todas las variables (tanto dependientes como explicativas).

La no significancia estadística de alguna o algunas de las variables puede ser consecuencia del no cumplimiento de los supuestos de correcta especificación del modelo por ello, la significancia puede mejorarse si se solucionan los problemas en los supuestos del modelo. En caso de que persista el problema, deben realizarse pruebas de significancia conjunta de variables o una prueba de variables omitidas y, si se considera necesario, puede excluirse la variable del modelo.

El modelo modificado es el siguiente:

En la ecuación 12 las variables están expresadas nuevamente en términos logarítmicos, por lo tanto, los β’ s (β₁, β₂, β₃, β₄,) representan elasticidades de la variable (Ld) con respecto a los cambios en cada una de las variables explicativas (dw, Cr, Es, CEU).

El término MA1 indica un proceso de promedios móviles de primer orden que se introduce para corregir autocorrelación. Los resultados de la estimación de 12 son los que se presentan en la Tabla 2. La ecuación estimada es la siguiente:

Ln L^D=-8.9768 + 2.5245 Ln(dw) - 1.2198 Ln(Cr)+ 5.08 E-0.5 Ln(Es) + 2.2165 Ln(CEU)+ 0.7127MA1

La nueva demanda estimación muestra la corrección de la autocorrelación mediante un proceso de promedio móvil de primer orden (MA1). El estadístico Durbin Waston, con el que se prueba la autocorrelación, es 1.33 un valor más cercano a 2 lo que permite obtener un coeficiente de determinación y coeficientes de significancia estadística más confiables debido a que ha disminuido el problema de autocorrelación.

La prueba de normalidad de Jarque Bera y la prueba de heteroscedasticidad de White muestran valores mayores a 0.05 (0.2274 y 0.0634 respectivamente) por lo que rechazan las hipótesis nulas de ambas pruebas. En el primer caso, se verifica que los residuales de la estimación tienen una distribución aproximadamente normal, en el segundo caso, se afirma que las varianzas de los residuales son iguales, es decir, la varianza es homoscedástica.

La prueba F es significativa ya que tiene un valor mayor a 4, lo cual indica que todas las variables independientes en su conjunto si están contribuyendo a explicar a la variable dependiente.

En las pruebas t-student es estadístico resulto significativo para todas las variables con un grado de confiabilidad aceptable, excepto para LEs. El valor t-student para estas variables es mientras que para el resto de las variables (Ldw, LCr, LCEU) es mayor a 1.96 (en valor absoluto) lo que indica que estas últimas son estadísticamente significativas para explicar a la variable dependiente con una confiabilidad (1-α)=95%. Es posible eliminar LEs para evitar problemas de multicolinealidad con el resto de las variables.

El coeficiente de determinación R2 es alto (0.9755), esto indica que la variabilidad de la demanda de trabajo LD está explicada en aproximadamente en 97% por la variabilidad dw, Cr, Es y CEU.

La elasticidad de dw representado por β1 indica que cuando esta variable aumenta el 1% LD aumenta en poco más del 2%, además, se confirma el signo esperado del coeficiente el cual es positivo.

El coeficiente de la variable Cr muestra que cuando el nivel de esta aumenta el 1% LD disminuye en 1.2198%. El signo del coeficiente no es el previsto.

Cualquier interpretación hecha sobre la elasticidad de Es resultaría poco válida si se toma en cuenta que no es estadísticamente significativa dentro de la estimación del modelo. Su tstudent cae en la zona de rechazo de significatividad. Lo único que se puede decir en todo caso, es que muestra el efecto esperado ya que el signo del coeficiente es positivo, esto indica que cuando Es mayor de la demanda de empleo aumenta.

Esta conclusión sería consistente si la variable fuera significativa. En tanto, el coeficiente de CEU muestra que cuando este aumenta LD también lo hace, el efecto que se observa de esta variable es el previsto.

La prueba de causalidad (ver anexo 4) muestra que existe una simultaneidad entre las variables independientes y la variable dependiente en el sentido de que dw, Cr, Es y CEU están causando a L^D pero al mismo tiempo esta última variable está causando a las primeras es por ello que sería conveniente perfeccionar el análisis introduciendo un sistema de ecuaciones simultáneas para mejor la confiabilidad del modelo.

En este caso se decide trabajar solamente con una relación uniecuacional simple.

Se realizó una prueba de variables omitidas en la que se verifica si la variable Es esta influyendo sobre L^d . En esta prueba se plantea como hipótesis nula (H_o) que la variable explicativa no está influyendo en la variable del lado izquierdo del modelo propuesto y se considera que no está siendo omitida dentro del mismo, y como opción o hipótesis alternativa (H_a) que si se está influyendo en la explicación de L^D. Si H no se rechaza el modelo está bien especificado, pero si Ho rechaza el modelo está mal especificado. Si la probabilidad es mayor a 0.05 no se rechaza Ho, y por lo tanto el β correspondiente a Es es igual 0 con un nivel de confianza de 95%, por lo que se si se incluye la variable el modelo está mal especificado. Si la probabilidad es menor a 0.05 se rechaza Ho y por tanto, β≠ 0 y la variable debe ser incluida en el modelo.

La estimación de esta prueba muestra los siguientes resultados al excluirse Menor a 0.05 se rechaza Ho y, por tanto, β≠0 y la variable debe ser incluida en el modelo.

La estimación de esta prueba muestra los siguientes resultados al excluirse, en la siguiente Tabla 3:

La hipótesis nula no se rechaza porque muestra una probabilidad mayor a 0.05 (0.986188791831), es decir β3 = 0 esto indica que la variable Es no está siendo omitida en el modelo propuesto y este se ha especificado correctamente.

En estas condiciones podría excluirse esta variable; sin embargo, se buscará una explicación económica de su alta de significancia. En todo caso puede sugerirse el probable efecto L^D con base en el signo de su coeficiente. Véase Tabla 4.

Los signos de los coeficientes indican que dw, Es y CEU ejercen un efecto positivo sobre la variable dependiente L^D.

Mientras que Cr presenta una relación inversa con L^D si la primera aumentara esta última disminuiría, sin embargo, la variable no es significativa.

Los altos valores de R2 y R2 ajustada, 0.9471 respectivamente, muestran que la bondad de ajuste del modelo es aceptable. Es decir, la mayor parte de la variabilidad de LD (aproximadamente el 96%) está explicada por las variables del modelo propuesto.

El estadístico Durbin Watso, con un valor de 1.5965, indica que al parecer no se presentan problemas de autocorrelación en la muestra empleada.

Recomendaciones

Esta misma relación, subordina el desarrollo de la maquila, provoca que se genere un tipo de externalidades: las economías externas resultantes de la proximidad de empresas proveedoras de insumos o de la proximidad a los mercados de productos. Además de la significativa reducción de costos laborales, se pueden tener bajos costos laborales, se pueden tener bajos costos de comunicación y transporte y el ahorro en tiempo. Además, cabe mencionar que los insumos importados desde Estados Unidos forman un porcentaje mayoritario entre los insumos intermedios utilizados por las maquiladoras locales. En la Tabla 5 se observa que, en promedio, los insumos importados en la IME de Coahuila constituyen más del 96% del total de insumos consumidos por esta entre 1992 y 1998.

Junto con el diferencial salarial de los ciclos económicos de Estados Unidos otros elementos ganan importancia en el análisis de la demanda del empleo en la IME. Las economías externas derivadas de la concentración de plantas maquiladoras en determinadas localizaciones, así como la especialización que en ellas se genere puede alentar o desalentar el empleo que genere.

Estas externalidades pueden agotarse en algunos puntos ante su expansión y convertirse en deseconomías externas, o bien puede haber una asimilación diferenciada de acuerdo con el nivel geográfico que se estudie.

En el caso aquí se analiza, se da un efecto diferenciado en el comportamiento de la maquila estatal y de la IME por municipios en cuanto al efecto que ejerce la especialización y la concentración sobre la generación de empleo en esta industria.